“初，商君相秦，用法严酷，尝临渭沦囚，渭水尽赤。为相十年，人多怨之。赵良见商君，商君为曰：‘子观我治秦，孰与五羖大夫贤？’赵良曰：‘千人之诺诺，不如一人之谔谔。仆请终日正言而无诛，可乎？’商君曰：‘诺。’赵良曰：‘五羖大夫，荆之鄙人也，穆公举之牛口之下，而加之百姓之上，秦国莫敢望焉。相秦六七年而东伐郑，三置晋君，一救荆祸。其为相也，劳不坐乘，暑不张盖。行于国中，不从车乘，不操干戈。五羖大夫死，秦国男女流涕，童子不歌谣，舂者不相杵。今君之见也，因嬖人景监以为主；其从政也，凌轹公族，残伤百姓。公子虔杜门不出已八年矣。君又杀祝懽而黥公孙贾。《诗》曰：‘得人者兴，失人者崩。’此数者，非所以得人也。君之出也，后车载甲，多力而骈胁者为骖乘，持矛而操闟戟者旁车而趋。此一物不具，君固不出。《书》曰：‘恃德者昌，恃力者亡。’此数者，非恃德也。君之危若朝露，而尚贪商於之富，宠秦国之政，畜百姓之怨。秦王一旦捐宾客而不立朝，秦国之所以收君者岂其微哉！’商君弗从。居五月而难作。”每一家企业的治理制度和环境都有其特殊性，到底使用严刑峻法，还是以德治司一直是非常有争议的管理学问题，于是乎出现了各种管理流派。金融科技在不断发展的过程中也会碰到这样的问题，只是如何运用好管理手段，激发每一位老师和同学的潜力是这里急需解决的现实问题。
2022年4月15日，上海疫情开始蔓延已经一个月了，上海教育领域已经开始进行全面线上教学推广，上海也开始进行救灾行动，各级基层政府都在行动，为居家隔离的居民提供最基础的生活必需品。核酸检测也在各个封控地进行。就是在这样的环境下，周萌老师依然为我们带来了线上学术报告，他的学术报告题目为《基于贝叶斯参数优化和XGBoost的个人信用评估研究》。周老师从四个方面介绍XGBoost方法及其应用，分别是研究背景、XGBoost、贝叶斯优化，以及模型应用与结果。周老师首先引入BGBoost应用在个人信用评估领域的可行性，他认为个人信用评估本质上是一个二分类问题，可以通过梯度提升决策树进行分类。周老师又从个人信用评估方法的角度总结了个人信用评估可能使用到的方法，这些方法分别是从专家模型、统计学模型、机器学习模型和深度学习方法等领域展开的。而从模型本身来看，梯度提升是一种Boosting方法，Boosting是一类可将弱分类器提升为强分类器的算法，属于集成学习范畴。Boosting和Bagging是集成学习的两种主要方法。Boosting方法通过分步迭代的方式来构建模型，在迭代每一步构建的弱分类器都是为了弥补已有模型的不足。而从算法本身来看，周老师认为传统的Boosting在训练时只能串行，XGBoosting可以并行计算，可以提升效率。从过拟合情况来看，XGBoosting在其目标函数中进行了相应的改进，从而使得过拟合情况得到缓解。而从XGBoost的算法角度来看，其本身是具有迭代性质的，因此，其目标函数本身是多棵树的叠加，作为底层是决策树算法的学习算法，可以输出特征的相对重要程度，便于进一步对预测结果有重要影响的因素进行分析，由于XGBoost本身是多个决策树叠加，那么特征重要度也是多个特征值的叠加。在随后的设置过程中，可以先行确定先验概率模型，再通过假定先验分布的评价函数过程来进行描述。在随后的目标函数中，通过不断化简目标函数，并确定决策树的每一个节点。从模型效果来看，选择4个在信用评估研究中常用的算法来进行对比，这四个常用算法分别是logistic回归、支持向量机、随机森林和神经网络。使用信用评估领域常用的3个指标来评估模型，分别是ROC曲线（Receiver Operating Characteristic Curve）、AUC（Area Under Curve）和KS（Kolmogorov-Smirnov）来进行评估。在进行比较前首先对原始数据进行预处理，将离散型变量转换成为One-hot编码，使用对数损失来评估不同参数下模型的性能。从模型和目标处理角度来看，需要提高模型精度，规避过拟合的情况发生。最后，周老师做了总结。
周萌老师将算法应用在了信用评估上，对于我们是具有借鉴意义的，而从其本身的知识体系上来看，是有能力驾驭更深入的学科问题的，我们期待周萌老师能够给我们带来更为深入的研究议题。与此同时，我们也能够看到金融科技中的各位老师正在不断提升自身水平，不断在研究的过程中提升教学和科研水平。希望金融科技能够不断为老师和同学提供激励兼容环境，为今后将来的发展奠定基础。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（供稿：曹焕）
